我们的出生日期并不总与大脑年龄相符。大脑的实际年龄取决于生物年龄，后者受细胞随时间经历的磨损影响。遗传、环境因素和生活方式选择共同塑造身体各组成部分的衰老程度。生物年龄高于实际年龄可能预示着年龄相关疾病和健康问题的风险增加。
一项近期睡眠脑电图（EEG）研究纳入7105名18岁及以上成年人，所有参与者初始均无痴呆症，研究发现了一个显著现象：脑龄指数（BAI）每增加10岁，患痴呆症的风险上升约39%。
研究者发现，脑龄是一个独特的预测因子，即使在考虑实际年龄、性别、生活方式及载脂蛋白E ε4状态（阿尔茨海默病和痴呆症的已知遗传易感标志物）等其他主要风险因素后，这一关联依然成立。相关发现已发表在《JAMA Network Open》期刊上。
利用人工智能聚焦睡眠中的脑信号
随着年复一年，痴呆症和阿尔茨海默病的诊断数量持续上升，加之全球人口老龄化，这些数字预计还将继续增长。除适当治疗外，确定用于检测和预测神经退行性疾病的正确生物标志物已成为当务之急。
多项研究已将睡眠障碍视为痴呆症的早期指标和潜在可改变风险因素。然而，总睡眠时间与睡眠效率等标准睡眠测量指标仅显示出与痴呆风险的微弱且不一致关联，合并研究未发现明确联系。
本研究的研究人员考察了一种新的睡眠指标：基于脑电图的BAI。他们旨在了解基于睡眠的BAI是否能帮助预测社区居住老年人患痴呆症的风险。
研究团队并未简单地将睡眠脑电图用于测量睡眠质量，而是重新利用该技术来检查脑波的微观细节，包括不同睡眠阶段中脑波的速度和结构。他们收集了参与五项大型长期社区健康研究的成年参与者的脑电图数据。
这些数据随后输入到一个机器学习模型中，该模型旨在分析模式并估算个人年龄。该模型使用无已知脑部疾病人群的脑电图数据进行训练，从而学习不同年龄和睡眠阶段中健康睡眠脑活动的表现。
训练完成后，该系统能够根据睡眠期间的脑活动预测个人年龄。研究团队将BAI定义为脑电图预测脑龄与实际年龄的差值。如果人工智能估计的年龄高于个人实际年龄，则表明BAI较高，暗示大脑衰老速度比预期更快。
较高的BAI与未来痴呆症风险增加相关联，且这种关联在涉及数千名参与者的五项大型研究中均保持稳健，对男性和女性、70岁以下及以上的群体均适用。
所有五组参与者均接受了为期约3年至近17年的跟踪，使研究人员能够追踪最终发展为痴呆症的个体。研究发现，在随访期间，1082人被诊断为痴呆症，其中男性702人，女性380人。
研究结果表明，基于可解释脑波模式的脑电图BAI可能提供一种便捷方法，在症状出现数年前识别痴呆风险人群。
在临床应用前，BAI还需进一步研究，以确立其作为痴呆预测生物标志物在多样化人群及存在精神疾病和合并症等竞争风险个体中的相关性。
【全文结束】
